文 ｜ 闌夕

抖音做了一件幾乎沒(méi)有其他國(guó)內(nèi)互聯(lián)網(wǎng)大廠會(huì)做的事情：在最大程度上，公開(kāi)了抖音的算法規(guī)則。

被公開(kāi)的那些信息有多詳細(xì)呢，從技術(shù)原理到具體模型，甚至是計(jì)算公式，全都圖文并茂的逐一做了解釋，足以作為一本入門級(jí)的科普讀物出版。

除了在已經(jīng)上線的「安全與信任中心」網(wǎng)站匯總之外，抖音還在北京辦了一場(chǎng)線下公開(kāi)課，讓算法工程師擔(dān)當(dāng)主講者，深入淺出的把所有細(xì)節(jié)又復(fù)盤了一遍。

抖音固然有它的壓力所在——算法因其黑箱性質(zhì)越來(lái)越從抗壓位向背鍋位轉(zhuǎn)移——但是為了打消社會(huì)疑慮，抖音能夠事無(wú)巨細(xì)的把算法攤開(kāi)到這種地步，還是比較少見(jiàn)的。

而這逐字逐句的看完所有內(nèi)容之后，可以這么說(shuō)，當(dāng)前市面上絕大多數(shù)非技術(shù)類媒體所討論的算法問(wèn)題，都是錯(cuò)的。

這里的錯(cuò)，首先指的不是主觀意義上的歪曲，而是過(guò)時(shí)。

比如很多文章都會(huì)寫到，短視頻平臺(tái)的推薦算法是在給內(nèi)容和用戶打標(biāo)簽，然后去做相互匹配，這種甚囂塵上的說(shuō)法甚至反過(guò)來(lái)指導(dǎo)了做號(hào)產(chǎn)業(yè)，產(chǎn)生了很多教人在養(yǎng)號(hào)時(shí)怎么引導(dǎo)系統(tǒng)給自己打標(biāo)簽的玄學(xué)。

但事實(shí)上，標(biāo)簽機(jī)制是人工編輯時(shí)代的經(jīng)驗(yàn)殘余，是讓算法模仿人類的糊涂做法，只有在非常早期的推薦算法里才有用過(guò)，當(dāng)機(jī)器學(xué)習(xí)的技術(shù)成熟之后，依靠幾百個(gè)標(biāo)簽去理解內(nèi)容的做法就完全被淘汰掉了。

這意味著，今時(shí)今日的算法不需要去懂內(nèi)容，這聽(tīng)起來(lái)有些反直覺(jué)，它不懂內(nèi)容，怎么知道該把什么視頻推送給什么人呢？

答案是：基于特征向量的數(shù)學(xué)統(tǒng)計(jì)。

說(shuō)人話就是，算法會(huì)圍繞用戶的反饋建模，有沒(méi)有點(diǎn)贊、看到了第幾秒、寫了什么評(píng)論、是否點(diǎn)開(kāi)了作者主頁(yè)……等等，這些互動(dòng)都會(huì)讓算法對(duì)一個(gè)用戶的了解逐漸加深，最終越來(lái)越準(zhǔn)確的「預(yù)測(cè)」他會(huì)感興趣的下一條視頻。

機(jī)器學(xué)習(xí)領(lǐng)域的頂級(jí)專家吳恩達(dá)教授做過(guò)一個(gè)系列的「Machine Learning」課程，里面也講過(guò)機(jī)器學(xué)習(xí)對(duì)推薦算法的主要貢獻(xiàn)在于建立評(píng)分系統(tǒng)，在海量算力和海量供給的環(huán)境里，可以無(wú)限接近給用戶推薦以他為標(biāo)準(zhǔn)的高評(píng)分內(nèi)容的目標(biāo)。

在炙手可熱的大模型行業(yè)，「預(yù)測(cè)」也是一個(gè)非常熟悉的運(yùn)行原理，ChatBot對(duì)答如流背后，實(shí)際上是在不斷「預(yù)測(cè)」下一個(gè)Token，AI并不真的懂得它在說(shuō)什么——所以才經(jīng)常有分辨不出9.11和9.8哪個(gè)數(shù)字更大的笑話——所有的輸出表達(dá)，其實(shí)都是以最大的概率把字詞組合在一起罷了。

至于為什么算法變成了包括抖音在內(nèi)的幾乎所有平臺(tái)都必須使用的分發(fā)技術(shù)，這還是和信息爆炸的環(huán)境有關(guān)。

根據(jù)IDC的報(bào)告顯示，全球每年產(chǎn)生的網(wǎng)絡(luò)數(shù)據(jù)量已經(jīng)達(dá)到了175ZB，如果把它理解為一部4K視頻，一個(gè)人需要花9億年的時(shí)間才能全部看完……這已完全超出了歷史上任何一個(gè)時(shí)代需要處理的信息體量。

抖音的算法工程師在公開(kāi)課上也說(shuō)得很直白，抖音每天新增視頻高達(dá)億數(shù)量級(jí)，而普通用戶平均每天能夠消費(fèi)的視頻撐死了也就幾百條，那么在這有限的幾百條視頻里，怎么盡可能的確保它們都是用戶喜歡的，就是算法需要不斷精進(jìn)的母題。

這里面有個(gè)非常生動(dòng)的概念，叫作「召回」，目的是把數(shù)量級(jí)降低，從數(shù)以億計(jì)逐漸減少到數(shù)以萬(wàn)計(jì)、數(shù)以千計(jì)，直到篩選出幾條用戶能夠刷到的內(nèi)容，一切都要依靠算法的「召回」能力。

吳軍博士在「數(shù)學(xué)之美」里講過(guò)一個(gè)類似的科普：

假如足球世界杯剛剛結(jié)束，我卻很不湊巧的錯(cuò)過(guò)了所有比賽，于是問(wèn)一個(gè)知道結(jié)果的球迷「哪支球隊(duì)是冠軍」，但他不愿意直接告訴我，而是讓我猜，每猜一次，他就要收一塊錢，并告訴我猜得是對(duì)還是錯(cuò)，那么我需要掏多少錢才能知道世界杯冠軍呢？

直率的人可能已經(jīng)搶答了，世界杯總共有32支球隊(duì)，最保險(xiǎn)的做法就是猜32次嘛，所以運(yùn)氣不好的話，可能需要掏32塊錢才能得到答案。

但數(shù)學(xué)的「召回」方式是，把32支球隊(duì)編號(hào)，從1到32，然后提問(wèn)「冠軍在1號(hào)到16號(hào)之中嗎」？如果猜對(duì)了，就繼續(xù)問(wèn)「冠軍在1號(hào)到8號(hào)之中嗎？」如果猜錯(cuò)了，那么我就會(huì)知道冠軍必然在9號(hào)到16號(hào)之間。如此一來(lái)，只需要5次，我就能知道哪支球隊(duì)奪冠了，而成本只需要5塊錢。

這就是數(shù)學(xué)模型的本事，它并不需要知道這32支球隊(duì)的強(qiáng)弱關(guān)系，卻能以低且簡(jiǎn)潔的成本最大概率「召回」答案，對(duì)于通信、數(shù)據(jù)壓縮、自然語(yǔ)言處理都有很強(qiáng)的指導(dǎo)意義。

當(dāng)然推薦算法要復(fù)雜得多，而且涉及到多種技術(shù)的組合作用，比如最經(jīng)典的協(xié)同過(guò)濾，張三和李四的點(diǎn)贊重疊度很高，那么就會(huì)多嘗試把李四喜歡而張三還沒(méi)有刷到的視頻推薦給張三，而在有了神經(jīng)網(wǎng)絡(luò)的加持之后，算法還能練就記憶和泛化兩大能力，挖掘用戶行為背后的深層意圖——可能連用戶自己都沒(méi)意識(shí)到的——然后去做更有想象力的擴(kuò)圈推薦。

簡(jiǎn)而言之，在這個(gè)高密度的數(shù)據(jù)化時(shí)代，「尿布與啤酒」的關(guān)聯(lián)神話早就過(guò)了版本，在計(jì)算資源的充分供應(yīng)下，推薦算法的研究方向各有所長(zhǎng)，但它們的共性在于，都不需要真的去學(xué)會(huì)像人類一樣感知情緒、畫面或是語(yǔ)義，而是越來(lái)越擅長(zhǎng)把用戶行為抽象成數(shù)學(xué)里的映射關(guān)系，最終預(yù)判出哪些視頻會(huì)讓用戶做出愿意看完、點(diǎn)贊、收藏、推薦等等高滿意度的正反饋。

所以，只有在對(duì)算法有了這些最樸實(shí)的了解之后——既明白它的深厚之處，也看得出基礎(chǔ)性的常識(shí)——才會(huì)避免陷入動(dòng)輒妖魔化算法的暴論陷阱。

最常見(jiàn)的誤解，有三種，首當(dāng)其沖的就是大名鼎鼎的信息繭房。

去年在和人民大學(xué)新聞學(xué)院副教授董晨宇的一期連麥里，我們也談過(guò)信息繭房這個(gè)概念「中熱西冷」的古怪現(xiàn)象，雖然它確實(shí)是由西方學(xué)術(shù)界率先提出的，但因缺少實(shí)證支撐，熱度很快就退潮了，但是反而中國(guó)經(jīng)久不衰，CNKI里關(guān)于信息繭房的論文數(shù)量更是超過(guò)了1300篇。

無(wú)論是不是因?yàn)樾畔⒗O房以其生動(dòng)形象的畫面感而激發(fā)了大眾的警惕性，真正的問(wèn)題是，其實(shí)平臺(tái)根本不希望助長(zhǎng)所謂的信息繭房，遑論主動(dòng)制造信息繭房。

來(lái)自抖音的一手?jǐn)?shù)據(jù)顯示，如果順著用戶的單一喜好去做推薦，很快就會(huì)拉低用戶的留存，相反，當(dāng)內(nèi)容推送的多元化保持一段時(shí)間之后，用戶的活躍度卻有了長(zhǎng)足的提升。

這意味著信息繭房和平臺(tái)利益本身都是相互沖突的，平臺(tái)非但不會(huì)放任信息繭房的存在，還有充足的動(dòng)力去打破信息繭房，這對(duì)算法的挑戰(zhàn)在于「既要又要」：既要多給用戶推薦別處的風(fēng)景，又要維持精確度的平衡，不能強(qiáng)行替用戶決定他該看什么、不該看什么。

算法和用戶之間有著長(zhǎng)期磨合的關(guān)系，而抖音也為用戶設(shè)置了主動(dòng)表達(dá)喜惡的入口，比如不感興趣這個(gè)信號(hào)會(huì)讓興趣退場(chǎng)——它代表著用戶極其強(qiáng)烈的負(fù)反饋——本質(zhì)上，用戶才是算法的主人，他們的一舉一動(dòng)，無(wú)時(shí)不刻都在調(diào)較算法。

第二個(gè)廣泛的誤解，在于算法是流量至上的，可以輕易「造神」。

其實(shí)這類論調(diào)的持有者，大可以和那些經(jīng)常抱怨抖音規(guī)則嚴(yán)苛一言不合就封號(hào)的人打上一架……這種完全矛盾的兩種體感同時(shí)存在，正好就說(shuō)明了，抖音是對(duì)純粹的算法有著干預(yù)護(hù)欄的。

不止是抖音，所有主流的內(nèi)容平臺(tái)都配備了機(jī)器+人工的雙重治理機(jī)制，機(jī)器負(fù)責(zé)寬度，對(duì)上億條新增內(nèi)容進(jìn)行合規(guī)篩查，人工負(fù)責(zé)深度，對(duì)疑難內(nèi)容進(jìn)行負(fù)荷，避免錯(cuò)判和漏判，當(dāng)然抖音因其規(guī)模之大，在這方面的投入只多不少。

也正是因?yàn)轶w量擺在那里，抖音確實(shí)能夠長(zhǎng)出一茬茬的「爆款」網(wǎng)紅，但與其說(shuō)是算法「推」出來(lái)的，不如說(shuō)是用戶「選」出來(lái)的，若是沒(méi)有精準(zhǔn)命中一次集體情緒，并引發(fā)大量用戶的行為反饋，平臺(tái)哪怕強(qiáng)推也是有心無(wú)力的。

最后一個(gè)誤解，是關(guān)于抖音會(huì)讓短且碎片化的視頻泛濫，對(duì)需要專注力的中長(zhǎng)視頻不夠友好。

早期的抖音，受產(chǎn)品形態(tài)制約，或許是該接下這個(gè)指控，不過(guò)時(shí)至今日，抖音已經(jīng)是一個(gè)綜合化的內(nèi)容平臺(tái)了，去年站內(nèi)還產(chǎn)生了一條時(shí)長(zhǎng)高達(dá)7個(gè)多小時(shí)的爆款視頻「450分鐘解讀紅樓夢(mèng)」，足見(jiàn)供給和需求兩端都很旺盛。

這也不是說(shuō)一切都是自然發(fā)生的，恰恰相反，為了鼓勵(lì)中長(zhǎng)視頻的消費(fèi)價(jià)值，抖音的運(yùn)營(yíng)在幕后做了很多工作，就像前面已經(jīng)說(shuō)了，平臺(tái)想要強(qiáng)推，在效果上的收益非常低，所以單純的給所謂高質(zhì)量視頻「灌流量」是不可取的，平臺(tái)真正發(fā)力的點(diǎn)，在于更新算法。

還是拿「450分鐘解讀紅樓夢(mèng)」為例，這樣長(zhǎng)度的視頻，無(wú)論質(zhì)量多好，它在完播率這個(gè)指標(biāo)上，必然處于絕對(duì)的劣勢(shì)，以致于連一般質(zhì)量的視頻都比不過(guò)，這會(huì)拖累算法對(duì)它的打分，但另一方面，「450分鐘解讀紅樓夢(mèng)」的收藏率則相當(dāng)亮眼，從比例上遠(yuǎn)遠(yuǎn)超過(guò)了其他視頻。

所以抖音的解決思路是，對(duì)多目標(biāo)推薦系統(tǒng)做了徹底優(yōu)化，并將收藏按鈕放在了更突出的位置，由此顯著改善了中長(zhǎng)視頻的分發(fā)效率，「450分鐘解讀紅樓夢(mèng)」就是在新的算法模型下跑出來(lái)的最佳時(shí)間。

更直接的例證是，抖音還專門為中長(zhǎng)視頻做了抖音精選的獨(dú)立App，開(kāi)發(fā)、推廣和維護(hù)App都是需要投入資金的，如果不重視中長(zhǎng)視頻的內(nèi)容，抖音何苦要花這些錢呢？

無(wú)論如何，抖音能把信息公開(kāi)的主體責(zé)任落到實(shí)處，對(duì)所有人乃至整個(gè)行業(yè)，都是大有裨益的，先有知情，才會(huì)知道，技術(shù)固然有門檻，但它從來(lái)不是洪水猛獸，也不必總是諱莫如深，打開(kāi)天窗說(shuō)亮話，永遠(yuǎn)是值得鼓勵(lì)的。

抖音的算法其實(shí)沒(méi)什么神秘的獨(dú)家訣竅。在如今技術(shù)高度流通的大環(huán)境下，各大公司在推薦算法上的實(shí)力差距并不大，只是側(cè)重點(diǎn)有所不同。抖音的算法之所以備受熱議，一方面是由于它作為行業(yè)頭部平臺(tái)，必然會(huì)成為眾人關(guān)注的焦點(diǎn)；另一方面，抖音憑借豐富的數(shù)據(jù)資源，構(gòu)建起強(qiáng)大的數(shù)據(jù)飛輪，使得其推薦體驗(yàn)相對(duì)更為出色。不過(guò)，為了消除外界對(duì)自身算法的誤解，抖音仍有必要持續(xù)發(fā)力。

對(duì)任何新興技術(shù)都是如此，毋須仰視，也不必?zé)o視，平視就好。